AI自主开发27B模型，递归自我改进首现工业级成果
机器之心 · wechat · 2026-09-01
上海交大联合团队让 Agent 主导了 27B 工业编码模型 iCoder 的全流程开发，从数据演化、SFT 冷启动到强化学习，Agent 负责实验选择与策略修正。模型在 RTL 和 GPU Kernel 等工业代码基准上表现优异，进入第一梯队。
AI 自进化全流程
- Data：Agent 将不同来源任务统一为三元组，经严格验证后进入训练。
- SFT：针对基础模型缺口，筛选通过验证的教师轨迹进行学习。
- OPSD：将“在反馈帮助下改对”的能力写回参数，作为 SFT 与 RL 间的桥梁。
- RLVR：利用分层可验证任务和编译器/仿真器结果作为奖励，贴近能力边界训练。
关键挑战与应对
Agent 在训练中成功解决了模型重复生成、骗取奖励（如调用参考框架）、基础设施故障导致的评测偏差等问题。这表明 AI 已能承担研发中关键任务链，并将经验写回下一代模型，尽管仍属“有损自我改进”，但已展示了新的研发组织方式。
「编程与Agent」频道最新
- 用 2026 世界杯数据学多跳 Cypher：一张图查遍小组赛与金靴榜 — JeremyCMorgan · 2026-09-01
- 为何文档 AI 集成需 6 个 SDK？IDPForge 统一全流程 — infrrd-ai · 2026-09-01
- 开发者用 x402 协议造 MCP：按查询付费接入制裁名单与 CVE 数据 — Glittering-Buyer1830 · 2026-09-01
- 用 Claude Opus 5 实现外设的 Agent 驱动逆向工程 — bibryam · 2026-09-01
- 新工具 md²：在 Agent 用量耗尽时自动切换 — JBO_76 · 2026-09-01
- TouchBar 被 Agent 救活：代码任务状态实时看 — APPSO · 2026-09-01